pandas有三個操作index的方法
dataframe.reindex(self, labels=
none
, index=
none
, columns=
none
, axis=
none
, method=
none
, copy=
true
, level=
none
, fill_value=nan, limit=
none
, tolerance=
none
)
dataframe.reset_index(self, level: union[hashable, sequence[hashable]
, nonetype]
=none
, drop:
bool
=false
, inplace:
bool
=false
, col_level: hashable =
0, col_fill: union[hashable, nonetype]=''
) → union[forwardref(
'dataframe'
), nonetype]
dataframe.set_index(self, keys, drop=
true
false
, inplace=
false
, verify_integrity=
false
)
reset_index用於將dataframe的index重置為0-n（行數），如果不要原來的index記得drop=true
set_index用於將某一列設定為index，如reset_index('tag')，預設情況下drop=true，被設定為index的那一列會從dataframe中刪去，如果想保留記得`drop=false
reindex用於根據某個list重新設定index，其作用相當於重新排列各行，如
in [14]
: df.reindex(
["z"
,"c"
,"a"])
out[14]
:z 0
0150
c 17300
a 0
1300
[1,2,3]，上面的**無效。也就是用於reindex的list中的元素必須與dataframe的index中原來的元素相同（只是排序不同）。 pandas中的多級index操作
在pandas中可以為series和dataframe設定多個index，也就是說可以有多級index和column。這樣可以對pandas的操作更加靈活。import numpy as np import pandas as pd from pandas import series,datafra...
pandas系列之index小記
import pandas as pd 資料準備 df pd.dataframe np.arange 20 reshape 5,4 index 1 3,6 9,10 重置索引且保留原始索引 df.reset index 重置索引且不保留原始索引 df.reset index drop true 按照...
和index有關的pandas切片問題
我們使用pandas常常會涉及到切片操作，特別是一維的series，我常常覺得它和python list無甚區別，所以經常就用list的切片方法去切片series。然而結果呢？有時候會成功，有時候就會報惱人的keyerror。次數多了之後，我發現這樣乙個問題 當series或者dataframe的i...